مدل سازی و بهینه کردن مقاومت روزن های زیتون در شرایط تنش شوری ناشی از کلرید سدیم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

مقاومت روزنه ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر های کلیدی در بسیاری از مدلهای اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینه پارامترهای موثر بر مقاومت روزنهای زیتون براساس دستیابی به حداکثر مقاومت روزنهای تعیین شد. سطوح شوری 0)، 25، 50 و 100 میلیمول در لیتر کلرید سدیم)، درصد عناصر برگ (کلر، سدیم، پتاسیم، کلسیم، فسفر، منیزیم)، نسبت K/Na، وزن تر برگ (mg)، سطح برگ (cm2)، میزان آب نسبی برگ (درصد) و نسبت سطح برگ (cm2/g) به عنوان پارامترهای موثر بر مقاومت روزنهای زیتون در نظر گرفته شد. مقاومت روزنهای با استفاده از مدل شبکه عصبی تابع پایه شعاعی (RBF) بهصورت تابعی از متغیرهایی مدل شد که قبلا لیست شد. نتایج پیشبینی شده نشان داد که شبکه عصبی توانسته است عملکرد خوبی فراهم کند، زیرا نتایج پیشبینی شده مطابق نتایج اندازه گیری شده بودند. بیشترین درصد خطا بین دادههای آزمایشگاهی و پیشبینی شده کمتر از 2/57 درصد و ضریب همبستگی بین آنها 0/994 شد. همچنین، مقایسه آماری بین دادههای آزمایشگاهی و پیشبینیشده نشاندهنده قابلیت اطمینان پیشبینیها با مدل شبکه عصبی RBF بود. شبکه عصبی آموزشدیده بهعنوان تابع هدف برای دستیابی به پارامترهای بهینه با استفاده از الگوریتم ژنتیک استفاده شد. بهترتیب مقادیر بهینه برای اولین تا آخرین پارامترها در 100، 0/15، 0/57، 0/78، 0/32، 0/06، 0/17، 1/29، 26/63، 5/03، 0/76 و 72/89 بهدست آمد.

کلیدواژه ها:

الگوریتم ژنتیک ، زیتون ، شبکه عصبی ، شوری ، مقاومت روزنه ای